MiniMax M2.5发布：每小时1美金的真·Agent之王

摘要

MiniMax 发布 M2.5 模型，在编程、工具调用、搜索等生产力场景达到行业 SOTA。其最大特点是经济性极强，100 TPS 版本每小时仅需 1 美金，使得无限运行复杂 Agent 成为可能。在内部业务中，M2.5 已自主完成 30% 的任务，编程场景生成代码占新提交的 80%。模型通过大规模强化学习和原生 Agent RL 框架 Forge 实现了快速进步。

内容框架与概述

文章首先介绍了 M2.5 的核心优势，即在编程、工具调用、搜索等生产力场景达到 SOTA 水平，并强调了其经济性优势。随后详细阐述了 M2.5 在编程领域的能力，模型演化出了像架构师一样思考和构建的原生 Spec 行为，能够在 10 多种语言和数十万真实环境中完成从 0-1 到 90-100 的全流程开发。

接着文章介绍了 M2.5 在搜索和工具调用方面的表现，通过构建 RISE 评测框架衡量模型在真实专业任务上的搜索能力，并指出其在处理复杂任务时展现出更高的决策成熟度。在办公场景方面，M2.5 通过与金融、法律等领域从业者合作，在 Word、PPT、Excel 等高阶场景中取得显著提升，在两两对比评估中取得 59% 的平均胜率。

最后文章介绍了 M2.5 的技术内核，包括原生 Agent RL 框架 Forge、CISPO 算法和过程奖励机制。M2.5 已在 MiniMax 全线产品全量上线，模型权重将在 HuggingFace 开源，支持本地部署。文章还提到用户已在 MiniMax Agent 上构建了 1 万多个专家，且仍在快速增长。

核心概念及解读

原生 Spec 行为（Native Spec Behavior）：模型在动手写代码前，以架构师视角主动拆解功能、结构和 UI 设计，实现完整的前期规划。

过程奖励机制（Process Reward）：针对长上下文带来的信用分配难题，对完成质量进行全链路监控的奖励机制。

RISE（Realistic Interactive Search Evaluation）：用于衡量模型在真实专业任务上的搜索能力的评测框架，模拟人类专家在专业网页内的深度探索。

VIBE 基准 Pro 版：升级后的编程能力评测基准，显著提升了任务复杂度、领域覆盖度和评估准确度。

CISPO 算法：MiniMax 年初提出的算法，用于保障 MoE 模型在大规模训练中的稳定性。

原文信息

此摘要卡片由 AI 自动生成